Data science está cambiando la cadena de suministros

La data science, entendida como la extracción, clasificación, análisis y optimización de datos, es una valiosa herramienta que no solo ayuda a entender la operación en la cadena de suministros o supply chain, sino que también permite identificar puntos inciertos e incluso prever cambios futuros.

Sin embargo, no todas las empresas del sector han logrado materializar la transformación digital, señaló David López, Socio Director de FHIOS Smart Knowledge y Profesor de EAE Business School.

“Hoy en día, en este entorno digital que algunos expertos llaman volátil e incierto, cada vez más la ciencia de datos y la inteligencia artificial nos ayudan a tomar mejores decisiones”, señaló durante un webinar organizado por la entidad.

Sectores

La pandemia del Covid-19 contribuyó a acelerar el proceso de transformación digital porque los datos resultaron ser la clave para la toma de decisiones, orientadas a la generación de nuevos negocios y a mejorar la interacción con los clientes, sobre hechos y no sobre opiniones.

“Lo que antes de la pandemia eran problemas complejos, ahora se hacen más difíciles para industrias como el retail, las de productos de consumo, farmacéuticas y manufacturas”, aseguró Carlos Díaz, gerente de Data de Keyrus para Latinoamérica.

Por el contrario, la crisis terminó por beneficiar a los sectores de e-comerce y delivery, una industria que se ha robustecido el último año, indicó el vocero de esta firma especializada en inteligencia de datos, experiencia digital, gestión y transformación.

Las empresas que carecen de esa capacidad de tener predicciones sólidas, robustas, precisas y ágiles van a tener retos aún más grandes frente a los que sí tienen esas capacidades. “Nuestro enfoque va a cómo con la inteligencia artificial y la ciencia de datos podemos optimizar y generar valor en toda la cadena de suministros”, dijo Díaz.

Talento humano

La incursión de las nuevas tecnologías terminó por modificar también el manejo de los flujos logísticos y apoyar la experticia de quienes acompañan todo el proceso de producción de un producto hasta su comercialización, quienes encontraron en el big data una herramienta para trabajar de manera más ágil y óptima.

De acuerdo con Felipe Moreira, ejecutivo senior de Cuentas de la empresa de telecomunicaciones Infobip, “combinar talento humano y el análisis de datos da una mayor eficacia operativa”.

En ello coincidió Carlos Díaz, quien defiende que el cambio no está en manos de la tecnología, sino apoyado en ella, “finalmente el activo que está detrás de los datos son las personas”.

El reto hacia adelante está en integrar las herramientas disponibles, por ejemplo, el data science con el internet de las cosas (IOT, por su sigla en inglés) para robustecer y madurar los modelos o algoritmos con los que ya se cuenta: “es un recurso interesante, pero solo es inviable”, señaló Díaz.

De esta forma también es posible conectar diferentes dispositivos en flujo logístico para extraer nuevos datos.

Conocimiento del cliente

Según Moreira, en las empresas los modelos predictivos son importantes para analizar información histórica y obtener un mejor conocimiento del cliente, de los productos y de los procesos para identificar los riesgos y oportunidades de un negocio.

Ahora la industria sabe cuál es el camino, cada vez son más las empresas que se embarcan en la búsqueda de una solución de analítica productiva que se ajuste a sus necesidades, después de todo, en palabras de Carlos Díaz, “la única constante ahora es el cambio”.

Los expertos se dieron cita en el EAE On Session que realiza EAE Business School y que reúne, mensualmente a los principales conocedores de temas de actualidad de todo el mundo.